| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 课题背景及意义 | 第9页 |
| 1.2 相关领域研究现状 | 第9-11页 |
| 1.2.1 目标检测 | 第10页 |
| 1.2.2 多目标跟踪 | 第10-11页 |
| 1.2.3 事件检测 | 第11页 |
| 1.3 论文研究成果 | 第11-12页 |
| 1.4 论文结构安排 | 第12-15页 |
| 第二章 航拍球场视频球员检测 | 第15-25页 |
| 2.1 引言 | 第15页 |
| 2.2 目标检测相关方法 | 第15-18页 |
| 2.2.1 传统方法 | 第16页 |
| 2.2.2 基于深度学习的方法 | 第16-18页 |
| 2.3 Faster R-CNN的问题 | 第18-21页 |
| 2.3.1 RPN的训练策略 | 第18-19页 |
| 2.3.2 特征图对小物体检测的影响 | 第19-21页 |
| 2.4 航拍球场视频数据集 | 第21页 |
| 2.5 基于级联Faster R-CNN的小物体检测 | 第21-24页 |
| 2.5.1 输入图像分割 | 第21-22页 |
| 2.5.2 级联网络 | 第22-23页 |
| 2.5.3 实验结果与分析 | 第23-24页 |
| 2.6 本章小结 | 第24-25页 |
| 第三章 基于层次关联的多目标跟踪 | 第25-45页 |
| 3.1 引言 | 第25-26页 |
| 3.2 多目标跟踪的相关研究 | 第26-29页 |
| 3.2.1 数据关联框架 | 第26-28页 |
| 3.2.2 特征计算 | 第28-29页 |
| 3.3 底层连接 | 第29-31页 |
| 3.3.1 底层外观模型 | 第29-30页 |
| 3.3.2 底层运动模型 | 第30页 |
| 3.3.3 双阈值策略 | 第30-31页 |
| 3.4 高层连接 | 第31-39页 |
| 3.4.1 轨迹外观模型 | 第31-34页 |
| 3.4.2 TAE模型的训练 | 第34-36页 |
| 3.4.3 轨迹相似度计算 | 第36-37页 |
| 3.4.4 基于匈牙利算法的数据关联 | 第37-39页 |
| 3.5 高斯过程回归 | 第39-41页 |
| 3.5.1 非参数贝叶斯方法介绍 | 第39页 |
| 3.5.2 高斯过程回归 | 第39-41页 |
| 3.6 实验结果与分析 | 第41-44页 |
| 3.6.1 轨迹外观模型性能测试 | 第41-42页 |
| 3.6.2 MOTChallenge数据集及评测指标 | 第42-43页 |
| 3.6.3 跟踪结果与分析 | 第43-44页 |
| 3.7 本章小结 | 第44-45页 |
| 第四章 TRECVID SED分离聚合事件检测 | 第45-57页 |
| 4.1 引言 | 第45页 |
| 4.2 TRECVID SED介绍 | 第45-46页 |
| 4.3 事件检测相关研究 | 第46-47页 |
| 4.4 分离聚合事件检测 | 第47-53页 |
| 4.4.1 轨迹聚类 | 第48-50页 |
| 4.4.2 弹簧系统模型 | 第50-51页 |
| 4.4.3 基于场景信息的距离校正 | 第51-53页 |
| 4.5 评测结果与分析 | 第53-55页 |
| 4.5.1 SED评测指标 | 第53页 |
| 4.5.2 交互结果对比 | 第53-55页 |
| 4.6 本章小结 | 第55-57页 |
| 第五章 总结与展望 | 第57-59页 |
| 5.1 本文总结 | 第57页 |
| 5.2 未来工作展望 | 第57-59页 |
| 参考文献 | 第59-65页 |
| 致谢 | 第65-67页 |
| 攻读学位期间发表或已录用的学术论文 | 第67页 |